灰色BP神经网络组合模型在广州市居民储蓄额预测中的研究论文

灰色BP神经网络组合模型在广州市居民储蓄额预测中的研究

唐嘉燕,唐鸿海

(华南农业大学,广东 广州510642)

[摘 要] 居民储蓄额是一种非平稳的时间序列,与实时政策影响有关,同时作为地区性总GDP的一大重要指标,其预测走向将是政府部门需要重视的一个环节,处于探索阶段。因此,提高储蓄率预测精度需要以较为精确样本值进行数据挖掘,同时采用单一理论模型将无法得到可实际应用的预测效率。因此,基于组合预测思想,将采用梯度下降法的BP神经网络反复训练,修正灰色Verhulst预测的组合模型对广州市城乡居民储蓄进行数据挖掘,训练过程中采用最高准确率模型进行预测未来三年的居民储蓄额,提前预知储蓄率变化走向,及时提出应对措施。残差合格检验很好地反映模型准确率的提高,具有较好的拟合和预测精度。

[关 键 词] 灰色Verhulst模型;BP神经网络;反复训练;残差合格检验;高准确率预测

储蓄作为信贷资金的主要通道,将作为投资转化的主要来源,其变化将大大影响社会再生产过程和规模扩大,以及可投入使用资本量。

近年来,在研究居民储蓄变化情况下多采用主成分回归或平稳时间序列形式来进行预测,往往得不到较为准确的预测数据,正因为各个变量皆存在较大的不确定性,其导致预测准确率存在不可避免的数值误差。

以上总结了笔者在三个译本中发现的一词多译现象并分析了其成因。有些一词多译仅仅是形式或表达的变化,是可取的译文,但须注意译文的通用性并避免造成译文歧义,而有些概念偏差的一词多译是不可取的。随着全球化进程不断加深,不同法系交流日益频繁,如何跨越语言、文化和法律制度三重障碍寻求最佳法律翻译路径早已成为法律翻译学者们亟待解决的问题。下文将从法律文本功能和法律翻译策略着手,归纳若干法律术语英译策略。

因此考虑采用流行简便理解使用的灰色Verhulst模型和BP神经网络模型结合,对广州市居民储蓄额以时间序列形式进行组合预测,得到高预测率模型预计未来三年走向,提前提出干预手段。

一、灰色Verhulst预测模型

(一)建模原理

灰色预测是对已知准确的观测数据的处理,发现和掌握系统的一定发展规律,对未来走向做出定量预测,其中灰色Verhulst模型主要用来描述具有饱和状态的过程,即S形过程,其应用理念可用于本文广州市居民储蓄额的预测问题。

(二)建模方法

对于实现医疗卫生和养老服务资源有序共享的建议,市政府相关负责人回应将进一步完善价格、财政投入、人力资源培育等政策;对于完善包含全市老年人健康状况、健康档案和健康风险在内的老龄大数据的建议,市政府相关负责人表示,要在全市健康信息互联互通和大数据应用框架下,主要健康信息逐步实现实时伴随个人终生……

x (1)为x (0)的一次累加生成(1-AGO)序列

z (1)为x (1)的紧邻均值生成序列为灰色 Verhulst模型;

其次,教学目标、教学方式都应分为不同层次。对A班学生,适当加快进度,增加学习难度,以较高标准来要求。在学习单的设计上,侧重深挖知识要点,补充课外趣闻,拓展学生视野,注重培养学生的独立思考能力及思维创造性。而对B班学生,适当降低难度,设定基础目标,达到“不同学生都能有所发展”的要求。课堂内容可以安排一些简单基础知识,通过做游戏等课堂形式,做到最大程度调动课堂氛围。

1.将灰度Verhulst模型中的预测值作为输入训练集,原观测值为期望值输出训练集即

6.输入单元到隐单元的权重

(三)模型建立

BP算法对于一个多层网络如何求得一组恰当的全值的问题,有着较强的理论基础。对训练样本集后的输出作为理想值输出,同时利用实际输出与理想输出的差的平方和作为度量其模型建立优劣的标准。

2.对原始序列做一次累加生成序列 和紧邻均值生成序列

3.对参数列进行最小二乘估计得

式中:Vx,Vy为流体运动速度矢量;μ为流体的动力黏滞系数;q为单宽流量;Jf为裂隙水流的水力梯度;γ为地下水的比重;b为裂隙宽度;Kf为裂隙的渗透系数。

4.Verhuls模型时间相应序列为5.x (0)的预测值

(四)模型检验

灰色模型需要经过检验判断模型的精度,才能判定其是否合理,通过模型才可用来进行预测,因此本文采用残差合格模型,关联度合格模型,均方差比合格模型来进行模型检验。

软件开发过程实现开放化管理,也就是实现对资源的共享,通过公开软件源代码,使得软件产品的标准化工作逐步被推动起来,软件的兼容性问题能够进一步提高,进而能够达到对资源共享的目的。同时,软件开发设计人员在未来可以实现彼此之间的相互交流,实现共同进步,也可以彼此之间通力合作,实现计算机软件行业的不断可持续发展。

收集广东省惠州市第一人民医院、惠州市中心人民医院、惠州市第三人民医院于2013年1月1日—2016年12月31日的面神经炎住院患者合计882例作为研究对象。其中,惠州市第一人民医院294例、惠州市中心人民医院306例、惠州市第三人民医院282例,诊断标准依照中国特发性面神经炎诊治指南[1]。

以灰色Verhulst模型预测2017年的居民储蓄额同时以已知2017年数据对比

为平均相对误差,称为平均相对精度。

设x (0)为原始数据序列

(4)借助社会专业力量,对企业进行流程进行梳理,提升核心竞争力。国家有一整套完善的《企业内部控制规范》属理论范畴,指引企业内部风险控制。但是,企业内控成本与企业实际工作的有效结合,成本效益原则的尺度不好掌握。往往造成的结果是高成本全覆盖,有事大家都有责,没人担当,没有责任人,也没有经济成果,无为就无责。企业应以实际经营工作及流程为出发点,聘请社会专业力量,对企业流程进行梳理,缩短管理链条,根据重要性原则和关键节点实施有效控制,有法满足的实施替代内控复核程序,提升管理效率,找到成本与效益的最佳结合点,实现国有企业的价值最大化。

给定α,当<α且Δk <α成立时,模型为残差合格模型;

美国ASCO公司是世界500强之一的美国艾默生集团成员,隶属于Emerson自动化解决方案平台。ASCO融合流体控制与流体动力的先进技术,为广泛的过程和制造行业及各种应用需求提供流体自动化产品和全面解决方案。作为世界领先的高品质电磁阀和流体自动化产品的设计者及制造商,ASCO可为所有重要的工业领域提供超过50 000种的全系列电磁阀以及多种气源处理、控制元件、执行机构、过滤器、调节器及全套附件。

当给定g 0,有g >g 0时,称模型为关联度合格模型

我没想到女人会对画感兴趣,就在我个人画展举办的最后一天,女人来了。她悄无声息地走进大厅,然后神情专注地在我画的一幅幅画前驻足观看,当她看到一幅题为《烟雨江南》的画时,我看到她眼睛里流露着赞叹和惊羡的神色。

对给定的C 0>0,当C 0>C 时,模型为均方差比合格模型;

图1 Verhulst模型拟合图

图2 Verhulst模型相对误差图

基于检验等级表格,灰色Verhulst模型相关检验数据如下:

在我国素质教育的大背景下,数学课程教学标准要求初中数学教师在进行教学方法选择时更加慎重,能够结合初中生的身心发展规律,利用一些辅助教学手法进行数学教学。多媒体作为现代信息技术的代表,能够集文字、声音、图片、动画、视频于一体,具有很好的表现力,符合初中生的身心发展特点。初中数学教师可以充分利用多媒体向学生演示复杂的数学问题,比如在进行图形的相似、勾股定理、图形的变换等章节内容的教学时,采用多媒体将数学知识动态表现出来,可以使数学教学过程变得生动形象,同时还能帮助学生强化对抽象数学知识的了解和掌握,调动学生学习数学的兴趣,从而进一步提升初中数学教学的效果。

表1 合格检验表

平均相对误差为4.08%,则模型精度为二级;绝对关联度g 为0.9685,均方差比值C 为0.0750,则模型精度为一级,可见模型精度在平均相对误差上较为一般,仍需优化,才能用于准确预测。

二、基于BP神经网络修正灰色Verhulst模型

(一)BP神经网络建模原理

1.设x (0)为原始数据序列

本文将用梯度下降法修正优化模型,仅仅考虑输入单位样品所造成的修正,随机选取顺序,所有样品逐个输入不断重复,直至收敛到一个解。以较为简单的算法建立较高精度的模型。

(二)灰色BP组合模型建立

根据最小二乘估计法满足

2.设定测试值(按年份输出排序测试)

3.网络中所有单元的取值不难确定,网络的最终输出:

4.对应于样品的理想输出设为则输出差平方和为

5.隐单元对于输出单元的权重在梯度下降法中的每一步修正量为

治疗前两组PCO2、PO2两项血气指标和心率相近,P>0.05;治疗后观察组PCO2、PO2两项血气指标和心率优于对照组,P<0.05。如表2.

均方差比值为

为灰色 Verhulst模型的白化方程t 为时间,化简时间相应序列为

7.激活函数设定为sigmoid 函数

联立以上公式将达到修正所有权值,将梯度下降法应用到BP算法中,建立灰度BP组合模型(见图3)。

图3 三层BP神经结构图

(三)结果分析

在本文应用中借助MATLAB软件进行BP神经网络学习的设计:设置BP神经网络迭代次数为100,学习率为0.1,目标误差为0.0001,模型测试次数为5000次,取相对误差最小的一次:mean_error =0.0120

表2 数据对比表

续表

相关评价指标分析图如下:

图4 灰度BP组合模型拟合图

图5 灰度BP组合模型残差图

图6 灰度BP组合模型相对误差图

灰色Verhulst模型与灰色BP组合模型相关指数对比:

图3 对比图

与原始的灰色Verhulst模型对比,平均相对误差减少,且准确率从95.52%提高到98.80%,明显提高很多,在居民储蓄额预测上,根据灰色BP组合模型预测2018—2020年广州市居民储蓄情况,更值得可信。

三、灰色BP组合模型预测

根据98.80%准确率水平下的灰色BP组合模型预测广州市后三年的居民储蓄额:

根据2001—2020年储蓄率走向图,可发现一定的规律同时对政府提出建议:

图7 2001—2020广州市居民储蓄率走向

根据模型预测值和基本走向,可以得出近年来广州市居民的储蓄率在逐渐下降,居民的储蓄偏好下降将对广州市总GDP产生较大的影响,储蓄作为国家积累资金的重要来源,若储蓄率下降,地区减少储蓄资金,银行用于投资帮助其他中小企业的资金减少,既不利于扶持中小企业发展,也不利于广州市总GDP的增长,因此个人建议政府部门需重视居民储蓄率,通过宏观调控手段例如调整银行利率比等手段促进居民储蓄,提高总储蓄额。

四、结语

灰色BP组合模型基于梯度下降法的BP神经网络修正的灰色Verhuls模型,与普通的灰色预测模型的平均相对误差、均方差比、灰色关联度更为优异,模型预测准确率更高,更符合实际生活的应用。灰色BP组合模型的准确率虽然提高到98.80%,但是其仍然未达到灰色预测模型一级精度指标,说明模型仍需要改良,可能要借助自记忆原理再度完善模型,使预测准确精度提高到一级水平。

灰色BP组合模型优于普通灰色Verhulst模型,其用于实际预测更为准确,不仅仅应用于居民储蓄额的时间序列预测,还可以用于径流模拟、城市用水量等具有一定时间序列相关变量的预测。

参考文献:

[1]房少梅.数学建模理论、方法及应用[M].北京:科学出版社,2015.

[2]张志涌.精通 MATLAB R2011a[M].北京:北京航空航天大学出版社,2011.

[3]姜启源,谢金星,叶俊.数学模型[M].4版.北京:高等教育出版社,2010.

[4]司守奎,孙玺箐.方程建模与MATLAB软件[M].北京:清华大学出版社,2016.

[5]张晓伟,沈冰,黄领梅.基于BP神经网络的灰色自记忆径流预测模型[J].水力发电学报,2009,28(1).

[6]袁喆,杨志勇,央晓亮,等.灰色微分动态记忆模型在径流模拟及预测中的应用[J].水利学报,2013,44(7).

[7]丑洋,郭琴.灰色自记忆模型预测城市用水量[J].地下水,2007,29(2).

[8]毕生.灰色预测方法在油井增产措施评价中的应用[J].大庆石油地质与开发,2003,22(3).

[9]贾备,邬亮.基于灰色BP神经网络组合模型的基坑变形预测研究[J].隧道建设,2009,29(3).

[10]袁秀娟,夏军.径流中长期预报的灰色系统方法研究[J].武汉水利电力大学学报,1994,27(4).

[中图分类号] F832.22

[文献标志码] A

[文章编号] 2096-0603(2019)27-0188-04

◎编辑 陈鲜艳

标签:;  ;  ;  ;  ;  ;  

灰色BP神经网络组合模型在广州市居民储蓄额预测中的研究论文
下载Doc文档

猜你喜欢